Проблемы организации кредитования частных клиентов в ОАО "ОТП-Банк"

Для достижения этих целей ОАО "ОТП-Банк" привлекает высокооплачиваемых экспертов. Но их мало и им порой физически не хватает времени успевать везде. Поэтому также актуальным является вопрос формализации знаний экспертов и их тиражирование. Это позволит "виртуальному эксперту" работать одновременно во всех филиалах банка.

Задачи подобного рода легко решаются на базе платформы Deductor. Механизмы Deductor позволяют как создать консолидированное хранилище информации о заемщиках, обеспечивая к тому же и непротиворечивость хранимой информации, так и формализовать знания экспертов, создав модели классификации заемщиков с достоверностью более 90%. Причем модель позволит принять решение о выдаче кредита или отказе практически мгновенно. Так можно поставить потребительское кредитование на поток. Это тем более актуально ввиду онлайн кредитования и массового использования кредитных карт.

ОАО "ОТП-Банк" уже имеет достаточно статистики по кредитованию физических лиц. Для построения достоверной модели достаточно информации за 3 - 4 года. Тем более, модели имеют возможность периодически перестраиваться, учитывая динамику рынка (новые данные).

Таким образом, можно с уверенностью говорить о готовности ОАО "ОТП-Банк" к использованию передовых методик оценки кредитоспособности физических лиц. Осталось лишь консолидировать накопленные данные и формализовать опыт экспертов в рамках единой архитектуры. Это с успехом позволяет сделать аналитическая платформа Deductor.

В виду этого, интересно будет рассмотреть основные принципы формирования такой системы на одном из примеров оценки кредитоспособности физических лиц. В нем будут видны преимущества заложенных в платформе методик относительно используемых в настоящий момент (скоринг, экспертные оценки и т.п.).

Кроме того, сейчас все большее распространение приобретает клиентно-ориентированная стратегия, где во главу угла ставится клиент и механизмы взаимодействия с ним. Данная стратегия получила название CRM - Customer Relationship Management. На рынке существует большое разнообразие CRM систем, однако почти все они предназначены для автоматизации работ по сбору и систематизации данных о клиентах и практически не обладают развитыми средствами анализа. Только в наиболее дорогих имеются средства OLAP. Из-за игнорирования вопросов анализа CRM данных, часто банк даже не подозревает о каких-то закономерностях в поведении клиентов, в то время как знание подобных закономерностей и их учет в своих действиях может принести значительную практическую пользу.

Сатьи по теме:

Формулы расчета прибылей и убытков по ценным бумагам
Прибыль (убыток) организации от реализации ценных бумаг, приобретенных после 1 января 2002 года, определяется по формуле: — определение прибыли (убытка) от реализации ценных бумаг, приобретенных после 1 января 2002 – Прибыль (убыток) = Цена продажи с учетом НКД, полученного по курсу ЦБ РФ, на да ...

Функции операционной части процесса клиринга
В рамках операционной части клиринговая палата организует обработку данных, полученных по результатам торгов. В рамках финансовой части выполняет функции, заключающиеся в аккумулировании денежных средств в специальные фонды, обеспечивающие гарантии исполнения обязательств сторон по заключенным сд ...

Финансовый результат коммерческого банка и основные факторы, влияющие на его показатели
Финансовое состояние является интегрированным показателем деятельности организаций и позволяет выявить потенциал развития финансового сектора экономики, а также источники кризисных тенденций[1]. Банк - это отдельная хозяйственная структура. И как всякое предприятие свими доходами он не только дол ...